Science-fiction disent certains, d'autres y voient une révolution commerciale. La nouvelle équipe d'ingénierie Moonraker envoie d'abord l'intelligence artificielle à l'école - ce n'est qu'ensuite qu'elle sera utilisée chez Digitec Galaxus.
Qu'est-ce que l'intelligence artificielle?
Comment les ordinateurs apprennent-ils?
Les machines aussi font des erreurs
Mettre en pratique ce que vous avez appris
Sans l'intelligence humaine, rien ne fonctionne
Au fait, l'équipe Moonraker cherche à se renforcer ! Postulez dès maintenant pour devenir ingénieur en machine learning : Voir l'offre d'emploi
Les nouvelles ne me suffisent pas, ce qui m'intéresse, ce sont les histoires qui se cachent derrière. La curiosité ne me fait jamais faux bond : avec elle, je passe le samedi après-midi dans mon café préféré, j'écoute les histoires de la ville, je planifie mes aventures de voyage et crée de nouvelles idées d'événements. La méditation zen attendra.
Ce qui était il y a peu un terme réservé aux experts est aujourd'hui sur toutes les lèvres - nous parlons d'intelligence artificielle (IA). La semaine dernière, le magazine économique SRF ECO s'est penché sur le thème. Il y est question d'une nouvelle opportunité pour le secteur privé, voire d'une domination mondiale des robots. Ce qui est clair, c'est que chez Digitec Galaxus, le Machine Learning est un thème important depuis un certain temps. "Jusqu'à récemment, nous nous occupions de l'intelligence artificielle au sein de la guilde du Machine Learning. Nous avons vite compris que nous ne pouvions pas être assez efficaces au sein d'une guilde et qu'il fallait créer une équipe d'ingénierie indépendante", explique Michael Hardegger, chef d'équipe Engineering chez Digitec Galaxus. "Entre-temps, deux ingénieurs en machine learning et deux spécialistes des données bricolent des algorithmes intelligents au sein de l'équipe Moonraker"
L'intelligence artificielle, ou IA en abrégé, est une branche de l'informatique qui s'intéresse à l'automatisation des comportements intelligents. La plupart des systèmes d'intelligence artificielle utilisés aujourd'hui sont spécialisés dans la résolution de certains problèmes : La compréhension du langage parlé, le diagnostic de maladies, le prononcé de jugements juridiques ou la conduite autonome d'une voiture ne sont que quelques exemples. Pour résoudre ces problèmes spécifiques, les IA surpassent même souvent les experts humains. Même la créativité peut être apprise par les IA - les ordinateurs ont déjà écrit des poèmes, peint des tableaux et composé de la musique. Ce n'est qu'en matière de flexibilité que les IA ne peuvent pas rivaliser avec le cerveau humain.
Grâce aux algorithmes de machine learning, les IA sont capables d'apprendre des modèles dans les données de formation et d'appliquer ces connaissances à de nouvelles données. "Pendant la formation, nous montrons aux IA des données d'entrée et la sortie que nous souhaitons pour elles. Il peut s'agir par exemple des données du produit fournies par le fournisseur (comme input) et du type de produit Digitec Galaxus que nous avons attribué manuellement au produit par la suite (comme output)", explique Michael Hardegger. "Après la phase d'apprentissage, l'IA est alors en mesure d'attribuer elle-même les nouvelles données d'entrée au bon type de produit. Et si ce n'est pas le cas, elles doivent être collées."
Comme les élèves, les IA doivent passer des examens après leur formation. Seules les meilleures réussissent à passer dans les systèmes de production. Mais même les IA optimisées et testées font des erreurs. Par exemple, lorsqu'elles sont confrontées à des données complètement nouvelles. "Nous avons peut-être appris à l'IA à distinguer les ordinateurs portables des couches-culottes et des téléphones portables, mais nous ne lui avons montré que des ordinateurs portables HP et pas des Apple. Il est possible que l'IA pense maintenant qu'Apple ne produit que des téléphones portables. Elle classe donc les MacBooks comme des téléphones portables - une erreur", explique Michael Hardegger. Heureusement, l'IA, tout comme l'homme, n'apprend jamais. En effet, si elle est corrigée, elle peut utiliser cette correction comme une nouvelle entrée d'entraînement et s'améliorer ainsi pas à pas.
Après que Moonraker a préparé les IA à l'utilisation, les robots se mettent au travail et effectuent des tâches que les humains ne pourraient pas accomplir. L'un de ces travaux de routine se trouve dans le Category Management de Digitec Galaxus : chaque jour, des produits doivent être commandés. Le faible niveau des stocks n'est pas un facteur décisif. Ce qui compte, c'est l'évolution de la demande à l'avenir. Prenons l'exemple des fours à raclette : Si en mars, il n'y a que peu de fours à raclette sur les étagères de l'entrepôt central de Wohlen, cela ne pose pas de problème. Mais en septembre, il devrait y avoir suffisamment d'appareils en stock pour répondre à la demande croissante de l'automne. Pour Michael Hardegger, il est clair que les algorithmes peuvent alléger la gestion des catégories : "Les IA apprennent les évolutions saisonnières et reconnaissent d'autres corrélations entre les caractéristiques des produits et la demande du passé. Le système est ainsi capable de calculer le nombre optimal de produits à commander."
Concrètement, cela signifie que les IA peuvent se charger de tâches simples et ennuyeuses afin que l'homme puisse se consacrer à des tâches intéressantes et créatives. Mais il est également clair que l'intelligence humaine contrôle l'IA, l'entraîne et utilise le bien le plus précieux qui soit - le temps - pour développer de nouvelles solutions à des cas compliqués. La collaboration efficace entre l'intelligence artificielle et l'intelligence humaine est donc la recette du succès pour toutes les applications d'apprentissage automatique.
